Projets novateurs réalisés

Explorez des milliers de projets réussis issus de la collaboration entre organisations et talents postsecondaires.

13270 Projets achevés

1072
AB
2795
C.-B.
430
MB
106
NF
348
SK
4184
ON
2671
QC
43
PE
209
NB
474
NS

Projets par catégorie

10%
Informatique
9%
Génie
1%
Génie - biomédical
4%
Génie - chimique / biologique

Segmentation des images de microscopie 3D

L’imagerie in vivo offre une occasion unique d’examiner l’activité cellulaire complexe dans les tissus vivants. Les images produites par ces expériences sont difficiles à analyser manuellement, généralement appliquées à des tests de culture cellulaire monocouche (c’est-à-dire des cellules dans un plat). Les avancées récentes en apprentissage profond permettent d’analyser ces images tissulaires in vivo avec plus d’efficacité et de précision. Ce projet appliquera une technologie de segmentation et de classification basée sur l’apprentissage profond à un ensemble de données fourni par une entreprise pharmaceutique collaboratrice. Des algorithmes d’apprentissage profond seront développés pour segmenter différents types cellulaires et structures vasculaires dans l’ensemble de données et quantifier les caractéristiques (c.-à-d. longueur, volume, nombre de protrusion, intensité des marqueurs) de ces objets. Ces caractéristiques seront utilisées pour évaluer l’efficacité des traitements thérapeutiques.

Voir la description complète du projet
Superviseur du corps professoral :

Sanja Fidler

Étudiant :

Kshitij Gupta

Partenaire :

Phenomic AI Inc

Discipline :

Informatique

Secteur :

Technologies de l’information et des communications

Université :

Programme :

Accélération

Détection d’erreurs intraopératoires sur vidéo chirurgicale basée sur l’analyse par vision par ordinateur

Les erreurs intraopératoires qui surviennent lors d’événements indésirables ont été une préoccupation majeure dans l’industrie des soins de santé et de la chirurgie. Conventionnellement, l’évaluation des événements d’erreur se fait par une évaluation par un chirurgien par des pairs, ce qui est long et coûteux. Avec les avancées en apprentissage automatique et en techniques de vision par ordinateur, il est possible de suivre les procédures chirurgicales à partir de vidéos chirurgicales enregistrées afin d’évaluer et de classer les erreurs survenues. Avec l’algorithme proposé basé sur la vision par ordinateur, on s’attend à ce qu’il prédise l’événement d’erreur pendant la chirurgie de manière évolutive afin d’assurer un environnement patient et chirurgical meilleur et plus sécuritaire.
Puisque l’algorithme de détection d’erreurs intraopératoires est principalement entraîné sur des données vidéo chirurgicales enregistrées, on s’attend à ce qu’il ait un impact sur l’amélioration de la prise de décision et de la performance lors d’opérations futures pour les patients complexes et les circonstances chirurgicales.

Voir la description complète du projet
Superviseur du corps professoral :

Sanja Fidler

Étudiant :

Yichen Zhang

Partenaire :

Surgical Safety Technologies Inc

Discipline :

Informatique

Secteur :

Dispositifs médicaux

Université :

Programme :

Accélération

Explorer le lien entre la conception et la pensée computationnelle dans les contextes industriels et éducatifs

Dans le monde d’aujourd’hui, dynamique et axé sur la technologie, il est primordial de profiter de différentes façons de résoudre les problèmes afin de générer les solutions les plus efficaces. Une façon d’atteindre cet objectif est d’adopter différentes façons de penser la façon dont nous résolvons les problèmes. Il peut être très utile de baser la résolution de problèmes que nous enseignons en éducation en utilisant les bases de la pensée design et de l’informatique, deux disciplines existantes. Cependant, la recherche n’a pas encore évalué comment ces types de pensée peuvent être liés à différents contextes, comme l’éducation et l’industrie. Dans ce projet, le stagiaire travaillera avec un expert académique et un partenaire industriel de premier plan pour développer et évaluer du matériel éducatif amélioré par la technologie. Ce faisant, le stagiaire acquerra de l’expérience en collaborant avec des experts de l’éducation, des affaires et de la robotique, et le partenaire industriel bénéficiera des résultats de recherche du stagiaire pour développer des supports pédagogiques basés sur le curriculum.

Voir la description complète du projet
Superviseur du corps professoral :

Julie Mueller

Étudiant :

Eden Hennessey

Partenaire :

InkSmith Ltd

Discipline :

Éducation

Secteur :

Éducation

Université :

Programme :

Accélération

Évaluation des lacunes et des opportunités : connaissance de l’industrie et capacité à l’adoption à grande échelle de pompes à chaleur

Cette recherche repose sur la reconnaissance que la technologie de la pompe à chaleur a le potentiel de réduire les émissions de gaz à effet de serre (GES) et la dépendance aux combustibles fossiles, tout en fournissant le chauffage des pièces, la climatisation et l’eau chaude domestique. Tant à l’international qu’en Ontario, un manque de connaissances et de capacité de l’industrie a été noté comme un obstacle à l’adoption des technologies de pompes à chaleur. Ce projet vise donc à mieux comprendre les connaissances de l’industrie et les lacunes de capacité pour la rénovation de pompes à chaleur en Ontario, et plus précisément dans le secteur des bâtiments résidentiels multi-unités de l’Ontario. La recherche explorera les stratégies potentielles pour surmonter cette barrière et créer un plus grand alignement entre les acteurs clés tels que (mais sans s’y limiter) les décideurs politiques, les institutions de formation/éducation, les services publics et les associations professionnelles. À CONTINUER

Voir la description complète du projet
Superviseur du corps professoral :

Mark Winfield

Étudiant :

Susan Wyse

Partenaire :

Autorité de conservation de Toronto et de la région

Discipline :

Sciences de l’environnement

Secteur :

Énergie alternative

Université :

Programme :

Accélération

Optimisation du clonage vocal

Un outil d’intelligence artificielle capable de générer une parole naturelle peut être intégré à de nombreux services précieux, tels que des agents conversationnels pour personnes handicapées et des assistants conversationnels. Un tel outil, lorsqu’il est équipé de la capacité d’imiter les caractéristiques vocales des individus, améliorera la personnalisation de ces services. Dans ce projet, le stagiaire cherchera à développer un modèle de clonage vocal à la fine pointe de la technologie. Les deux principaux programmes de recherche sous-jacents à ce projet sont les suivants : développer un modèle de clonage vocal efficace en données avec une haute qualité de synthèse vocale; enrichir les modèles de clonage vocal avec la capacité de manipulation des propriétés vocales pour la synthèse vocale. Dans le premier ordre du jour, le stagiaire entreprendra de développer un modèle nécessitant un minimum d’ajustements fins, afin d’acquérir les caractéristiques vocales d’un nouveau haut-parleur et de les utiliser pour générer des échantillons audio réalistes. À CONTINUER

Voir la description complète du projet
Superviseur du corps professoral :

David Duvenaud

Étudiant :

Wei Zhen Teoh

Partenaire :

IA Lyrebird

Discipline :

Informatique

Secteur :

Technologies de l’information et des communications

Université :

Programme :

Accélération

Reconnaissance de motifs par modèle analytique de réservoir

L’optimiseur de production proposé utilise des données de production (débit, ratio eau/pétrole, pression), soit isolément, soit avec des données géologiques, ainsi que l’intelligence artificielle pour déterminer les facteurs limitants dans les puits et les champs. Plus précisément, l’optimiseur de production proposé détermine l’Original Oil in Place (OOIP), la perméabilité moyenne, la distribution de perméabilité et la perméabilité relative pour les puits et, par extension, les réservoirs. Cette information de caractérisation du réservoir est ensuite utilisée pour optimiser le champ.

Voir la description complète du projet
Superviseur du corps professoral :

Stevan Dubljevic

Étudiant :

Junyao Xie

Partenaire :

Res-Solve Solutions

Discipline :

Génie - chimique / biologique

Secteur :

Pétrole et gaz

Université :

Programme :

Accélération

Détection précoce des symptômes de la maladie d’Alzheimer en utilisant la parole longitudinalement

Un symptôme précoce de la maladie d’Alzheimer est la difficulté à se souvenir des événements récents. Ces tendances se reflètent dans des problèmes de langage et de schémas de langage. Les schémas de parole d’un individu peuvent donc être utilisés pour déterminer les trajectoires du déclin cognitif préclinique. La différence dans les tendances cognitives entre les groupes de sujets, analysée à partir de données de parole recueillies sur une longue période, peut être utilisée pour détecter la maladie d’Alzheimer avant même qu’elle ne soit confirmée cliniquement.
Grâce à des modèles d’apprentissage automatique, ce processus peut être entièrement automatisé en utilisant des systèmes automatiques de reconnaissance vocale pour transcrire la parole suivie de l’analyse de ces transcriptions. Ce projet explorera des stratégies basées sur l’apprentissage automatique pour automatiser la chaîne de diagnostic précoce de l’AD.

Voir la description complète du projet
Superviseur du corps professoral :

Yang Xu

Étudiant :

Aparna Balagopalan

Partenaire :

WinterLight Labs Inc

Discipline :

Informatique

Secteur :

Dispositifs médicaux

Université :

Programme :

Accélération

Développement du prototype de suivi de l’hygiène des mains

SafeContact est une entreprise de prévention et de réduction des infections acquises hospitalières (HAI) en tant que service (PaaS). Nous luttons contre l’épidémie mondiale d’IAH en suivant la source de la propagation des HAI à l’aide d’un concept technologique unique sur le marché. SafeContact construit une plateforme de soins de santé intelligente qui combine des techniques traditionnelles avec les dernières avancées technologiques : vision par ordinateur, intelligence artificielle, dispositifs Internet des objets, Big Data et apprentissage automatique pour surveiller le comportement d’hygiène des mains afin d’avoir un impact durable sur la sécurité des patients. Ce projet aidera SafeContact à réaliser des prototypages pour suivre les événements d’hygiène des mains en milieu de santé. L’achèvement de ce projet permettra à SafeContact d’obtenir du capital de risque pour commercialiser la méthodologie et le modèle d’affaires de l’hygiène des mains, ce qui profitera non seulement à l’Alberta, mais aussi à d’autres provinces. Bien qu’initialement ciblant les services de santé, cette plateforme sera éventuellement disponible dans d’autres secteurs, par exemple les restaurants et autres chaînes d’approvisionnement alimentaire, à travers le monde, apportant des avantages économiques et technologiques au Canada.

Voir la description complète du projet
Superviseur du corps professoral :

Irene Cheng

Étudiant :

Leyuan Yu

Partenaire :

SafeContact Solutions Inc.

Discipline :

Informatique

Secteur :

Dispositifs médicaux

Université :

Programme :

Accélération

Détection du risque cognitif à l’aide de l’apprentissage profond

CRISP est une initiative internationale de développement de Deloitte visant à aider certains de nos plus grands clients à comprendre et gérer les risques d’entreprise. CRiSP signifie Cognitive Risk Sensing, et il se concentre sur l’utilisation de grandes sources de données principalement non structurées (c’est-à-dire un échantillon de 10% de tout Twitter, des milliers d’agrégateurs de nouvelles, etc.) pour comprendre et prévoir le risque pour les clients. L’objectif de l’étudiant est d’appliquer de nouvelles méthodes en apprentissage automatique, exploration de données et traitement du langage naturel afin d’extraire l’opinion des utilisateurs sur les produits à partir des médias sociaux et des commentaires des clients. Le défi est que ces données sont très volumineuses et peuvent provenir de plusieurs domaines distincts.

Voir la description complète du projet
Superviseur du corps professoral :

Frank Rudzicz

Étudiant :

Scarlett Guo

Partenaire :

Deloitte

Discipline :

Informatique

Secteur :

Technologies de l’information et des communications

Université :

Programme :

Accélération

Initialisation par démonstration d’algorithmes d’apprentissage par renforcement pour un contrôle robotique efficace

Le produit Kindreds Sort est un système robotique qui fonctionne dans les centres de distribution en ligne pour trier et gérer les vêtements et les marchandises générales. Le système déployé est contrôlé par une combinaison d’intelligence artificielle et de téléopération humaine dans la boucle. Le projet proposé consiste à appliquer des techniques d’intelligence artificielle (notamment l’apprentissage automatique et l’apprentissage par renforcement) afin d’améliorer le ratio entre le contrôle automatique et le contrôle humain. L’hypothèse centrale du projet est que les données historiques recueillies lors de la téléopération humaine des robots effectuant des tâches de saisie d’objets peuvent être utilisées pour entraîner les robots à ramasser automatiquement des éléments. Cette tâche est un défi de recherche à la pointe du contrôle robotique et de l’IA, et elle sera abordée avec une combinaison de recherche académique de pointe et d’algorithmes développés en interne.

Voir la description complète du projet
Superviseur du corps professoral :

Sven Dickinson

Étudiant :

Ryan Dick

Partenaire :

Kindred Systems Inc

Discipline :

Informatique

Secteur :

Technologies de l’information et des communications

Université :

Programme :

Accélération

Exploration de méthodes et de modèles pour atteindre la compréhension multi-documents dans le domaine juridique

Le projet tente de relever un défi important en intelligence artificielle (IA) : donner à une machine la capacité de comprendre plusieurs documents comme le font les humains. Ils peuvent effectuer la recherche redondante ou préliminaire basée sur la lecture menée dans de nombreux domaines. Le projet vise à créer un système capable de lire, comprendre et répondre à des questions et/ou de résumer plusieurs documents juridiques en une seule fois. Le projet s’inscrit dans la feuille de route et la vision de ROSS visant à compléter et à améliorer la qualité et la capacité des outils de recherche disponibles à la disposition d’un avocat moyen, et d’augmenter le temps passé avec leurs clients. Un système aussi puissant nécessite la capacité de comprendre les requêtes faites dans un langage naturel comme l’anglais. Ainsi, le système sera développé à l’aide de techniques de traitement du langage naturel (NLP) basées sur l’IA et à la fine pointe de la technologie. À CONTINUER

Voir la description complète du projet
Superviseur du corps professoral :

Frank Rudzicz

Étudiant :

Manasa Bharadwaj

Partenaire :

ROSS Intelligence Inc

Discipline :

Informatique

Secteur :

Technologies de l’information et des communications

Université :

Programme :

Accélération

Identifier les accidents de la route et les conducteurs à haut risque grâce à l’apprentissage automatique

L’objectif principal du projet est d’aborder le problème de la compréhension de la véritable causalité des accidents de véhicules et de déterminer scientifiquement quels véhicules et conducteurs sont les plus à risque d’accident, du point de vue de l’apprentissage automatique. Geotab présente plusieurs collisions identifiées dans les plans X, Y et Z, et bien plus encore. La recherche viserait à utiliser à la fois les données Geotabs et des données externes telles que la météo et la topographie afin de développer un modèle prédictif capable d’identifier les conducteurs le plus à risque d’accident. Cela peut être basé uniquement sur le comportement de conduite actuel et/ou l’historique de conduite.
Les résultats de ce projet sont importants pour aider nos plus de 20 000 clients de flottes commerciales à comprendre les véritables risques de sécurité qui existent dans leur flotte, en tirant parti d’une approche novatrice d’apprentissage automatique qui va au-delà d’un simple score générique. À CONTINUER

Voir la description complète du projet
Superviseur du corps professoral :

Roger Grosse

Étudiant :

Meng Zhang

Partenaire :

Geotab

Discipline :

Informatique

Secteur :

Technologies de l’information et des communications

Université :

Programme :

Accélération

Précédent
1...784785786787788789790...1,106
Suivant

Joignez-vous à un écosystème d’innovation florissant.

Abonnez-vous à notre infolettre dès maintenant!

S’inscrire